MF2B一步潜空间流策略提出

2026年10月15日，arXiv Artificial Intelligence 刊出 Shenghua Lu 等作者的论文，提出 MeanFlow2Better（MF2B）离线强化学习方法。该工作针对扩散与流匹配策略从高斯噪声出发、需多步迭代、难以利用次优轨迹的问题，将离线强化学习重构为高层潜决策空间中的生成式决策块优化，即从当前性能状态到更优性能状态的决策块优化。据论文称，两个流映射均通过单位时间区间 Δt=1 上的一步 ODE 积分完成决策细化，既不需要多步迭代采样，也不需要沿时间反向传播。在 D4RL Gym-MuJoCo 基准上，MF2B 取得 90.91 的平均分，与强基线持平或超过强基线。目前该事件仅有这一篇主报道，尚无后续跟进报道，也未出现与早先报道在数字、时间或说法上的矛盾。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。